精選工具集

最佳 語音與音訊工具

比較 405 款經過品質篩選的 語音與音訊工具,參考公開熱門度、活躍度、授權與資料來源。

瀏覽經品質篩選的 語音與音訊工具,可依資料來源、收費方式或新舊程度縮小範圍,更快找到合適選項。

語音與音訊工具 推薦

405 項工具

100/100

screenity

免費且注重隱私的螢幕錄影工具,無任何限制 🎥

開放原始碼 生產力工具語音與音訊工具
100/100

speech-to-speech

使用開源模型建立語音代理

開放原始碼 AI 工具語音與音訊工具
100/100

pipecat

用於語音代理、多模態應用和即時 AI 的開源框架。由 Daily 和社群維護。

開放原始碼 AI 工具語音與音訊工具
100/100

ten-framework

開放原始碼的對話式語音AI代理框架

開放原始碼 AI 工具語音與音訊工具
100/100

YuE

YuE2: 前沿音樂生成,具備符號規劃、零樣本翻唱與代理式音樂編輯功能。

開放原始碼 AI 工具語音與音訊工具
100/100

VoiceStudio

VoiceStudio 是開源、完全本機的 ElevenLabs 替代方案 — 語音複製、語音設計、影片配音、聽寫、轉錄與有聲書製作

開放原始碼 生產力工具語音與音訊工具
100/100

MoneyPrinterTurbo

利用 AI 大模型和自動化工作流,根據主題或關鍵詞一鍵生成高畫質短影片。Generate HD short videos from a topic or keyword with an automated AI workflow.

開放原始碼 AI 工具語音與音訊工具
100/100

lemo-opuscar

為 Claude Code 打造的程式碼電影風格工具箱:99 種現成風格,也能創造你自己的風格。每種風格包含一個風格提示詞,以及由 Claude Opus 5.5 完全以程式碼製作的示範影片,無需使用影片模型。

開放原始碼 語音與音訊工具
100/100

modelscope

ModelScope:將模型即服務(Model-as-a-Service)的概念化為現實。

開放原始碼 AI 工具語音與音訊工具
99/100

ODS

ODS V3 預先發行版:在正式 V3 發布前進行公開測試與改進。將您的 PC、Mac 或 Linux 電腦變成私人 AI 伺服器。

開放原始碼 AI 工具語音與音訊工具
99/100

abogen

生成有聲書,從 EPUB、PDF 和文字,並附有同步字幕。

開放原始碼 AI 工具語音與音訊工具
99/100

SmartSub

影片轉字幕、字幕翻譯、AI 配音與聲音克隆、字幕燒錄——免費開源的一站式桌面工具。基於 Whisper / FunASR 等本地模型離線語音轉文字,批次處理 + 全平台 GPU 加速,跨 Wind

開放原始碼 語音與音訊工具
99/100

earshot

程式碼代理的耳朵:讓AI聆聽、審查並發出聲音。僅限CPU,開放原始碼。

開放原始碼 語音與音訊工具
98/100

lmms-eval

全方位多模態評測工具組:涵蓋文字、影像、影片與音訊任務

開放原始碼 語音與音訊工具
98/100

WhisperLive

OpenAI Whisper 的近乎即時實作。

開放原始碼 寫作工具語音與音訊工具
98/100

audio.cpp

一個全功能、純 C++ 的音訊模型推理引擎,基於 ggml。支援 TTS、STT、VAD、語音轉換、音樂生成等,並具有高度優化的效能。

開放原始碼 語音與音訊工具
98/100

Applio

簡單、高品質的語音轉換工具,專注於易用性與效能。

開放原始碼 語音與音訊工具
98/100

player

已棄用,改以 Video.js 10 取代;僅提供安全性修正至 2028 年 1 月。用於在網頁上建立影音播放器的 UI 元件與 hooks。

開放原始碼 分析工具語音與音訊工具
98/100

NeuralNote

使用深度學習將音訊轉錄為 MIDI 的音訊外掛程式。

開放原始碼 AI 工具語音與音訊工具
98/100

TTS-WebUI

一個整合 Gradio + React 的 WebUI,支援 ACE-Step、OmniVoice、Kimi Audio、Piper TTS、GPT-SoVITS、CosyVoice、XTTSv2、DIA、Kokoro、OpenVoice、ParlerTTS、Stable Audio、MMS、StyleTTS2、MAG

開放原始碼 AI 工具語音與音訊工具
98/100

qwen-audio-agent

一個即時語音運行時,讓AI代理持續對話、運作並保持存在。適用於AI代理的即時語音運行時。

開放原始碼 開發工具語音與音訊工具
97/100

LLaMA-Omni

LLaMA-Omni 是一個基於 Llama-3.1-8B-Instruct 建構的低延遲、高品質端到端語音互動模型,旨在達到語音能力於

開放原始碼 語音與音訊工具
97/100

audio

音訊訊號處理的資料操作與轉換,由 PyTorch 驅動

開放原始碼 語音與音訊工具
97/100

vall-e

VALL-E(零樣本文字轉語音)的 PyTorch 實作,重現展示 https://lifeiteng.github.io/valle/index.html

開放原始碼 語音與音訊工具